一个基于向量空间模型的个性化推荐系统
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·选题背景及意义 | 第9-10页 |
| ·选题背景 | 第9页 |
| ·选题意义 | 第9-10页 |
| ·推荐系统的发展现状 | 第10-12页 |
| ·基于内容的过滤技术 | 第10页 |
| ·协同过滤技术 | 第10-11页 |
| ·基于知识的推荐技术 | 第11页 |
| ·对以上技术的小结 | 第11-12页 |
| ·研究意义 | 第12-13页 |
| ·结构安排 | 第13-14页 |
| ·本章小结 | 第14-15页 |
| 第二章 个性化推荐系统 | 第15-20页 |
| ·系统概述 | 第15-17页 |
| ·个性化推荐系统的概念 | 第15页 |
| ·个性化推荐系统的研究内容 | 第15-16页 |
| ·个性化推荐系统的分类 | 第16-17页 |
| ·个性化推荐系统的结构 | 第17-19页 |
| ·个性化推荐系统的输入 | 第17-18页 |
| ·个性化推荐系统的输出 | 第18页 |
| ·推荐系统的图形化用户界面 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 个性化推荐系统的核心技术 | 第20-31页 |
| ·元搜索引擎 | 第20-25页 |
| ·元搜索引擎的概念 | 第20页 |
| ·元搜索引擎的现状 | 第20-21页 |
| ·元搜索引擎的意义 | 第21页 |
| ·元搜索引擎的基本构成 | 第21-22页 |
| ·元搜索引擎的排序算法 | 第22-23页 |
| ·元搜索引擎的工作原理 | 第23-25页 |
| ·向量空间模型 | 第25-30页 |
| ·向量空间模型的基本概念 | 第25-26页 |
| ·向量间的相似度 | 第26页 |
| ·特征项的选择 | 第26-27页 |
| ·特征项的提取 | 第27-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 基于向量空间模型的个性化推荐系统的设计 | 第31-38页 |
| ·网上学园网站对系统设计的要求 | 第31页 |
| ·系统的推荐机制 | 第31-32页 |
| ·系统功能模块的设计 | 第32-35页 |
| ·数据预处理模块的设计 | 第32-34页 |
| ·相似度判断模块的设计 | 第34-35页 |
| ·个性化推荐模块的设计 | 第35页 |
| ·系统数据库结构 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第五章 个性化推荐系统的实现 | 第38-46页 |
| ·Apache 简介 | 第38-40页 |
| ·Apache Web 服务器 | 第38页 |
| ·Apache 模块 | 第38-40页 |
| ·推荐系统的具体实现 | 第40-44页 |
| ·推荐系统的特点 | 第40-41页 |
| ·关键技术分析 | 第41页 |
| ·模块结构定义 | 第41-43页 |
| ·相似度判断模块的实现 | 第43页 |
| ·个性化推荐模块的实现 | 第43-44页 |
| ·推荐系统的实验 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第六章 总结与展望 | 第46-47页 |
| ·总结 | 第46页 |
| ·下一步工作 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 附录A 个性化推荐模块主要代码 | 第50-53页 |
| 个人简历 在读期间发表的学术论文 | 第53-54页 |
| 致谢 | 第54页 |
